Kointegrācijas tests tiek izmantots, lai noteiktu, vai pastāv korelācija starp vairākām laika rindām. Laika rindu datu analīze. Laika rindu datu analīze ir datu kopu analīze, kas mainās noteiktā laika periodā. Laika rindu datu kopas reģistrē viena mainīgā novērojumus dažādos laika punktos. Finanšu analītiķi izmanto tādus laikrindu datus kā akciju cenu svārstības vai uzņēmuma pārdošanas apjomus ilgtermiņā. Koncepciju pirmoreiz ieviesa Nobela prēmijas laureāti Roberts Engle un Klīvs Grendžers 1987. gadā, pēc tam, kad britu ekonomists Pols Ņūbolds un Greindžers publicēja viltus regresijas koncepciju.
Kointegrācijas testi identificē scenārijus, kur divas vai vairākas nestacionāras laika rindas ir integrētas kopā tādā veidā, ka tās ilgtermiņā nevar novirzīties no līdzsvara. Testi tiek izmantoti, lai noteiktu divu mainīgo jutīguma pakāpi pret to pašu vidējo cenu noteiktā laika periodā.
Dzimuma iekļaušana laulības vecuma rādītājā
Avots: Econometrics Beat (Dave Giles's Blog)
Kopsavilkums
- Cointegration ir paņēmiens, ko izmanto, lai atrastu iespējamo korelāciju starp laika rindu procesiem ilgtermiņā.
- Nobela prēmijas laureāti Roberts Engle un Klīvs Greindžers 1987. gadā ieviesa kointegrācijas jēdzienu.
- Vispopulārākie kointegrācijas testi ietver Engle-Granger, Johansena testu un Phillips-Ouliaris testu.
Cointegration vēsture
Pirms kointegrācijas testu ieviešanas ekonomisti paļāvās uz lineārām regresijām, lai atrastu saistību starp vairākiem laika rindu procesiem. Tomēr Grendžers un Ņūbolds apgalvoja, ka lineārā regresija bija nepareiza pieeja laika rindu analīzei, jo pastāv iespēja radīt viltus korelāciju. Maldinoša korelācija rodas, ja divi vai vairāki saistītie mainīgie tiek uzskatīti par cēloņsakarīgiem sakritības vai nezināma trešā faktora dēļ. Iespējamais rezultāts ir maldinoša statistiskā saistība starp vairākiem laika rindu mainīgajiem.
Greindžers un Engle 1987. gadā publicēja rakstu, kurā viņi formalizēja kointegrējošā vektora pieeju. Viņu koncepcija noteica, ka divu vai vairāku nestacionāru laikrindu dati tiek integrēti kopā tādā veidā, ka tie ilgtermiņā nevar attālināties no kāda līdzsvara.
Abi ekonomisti iebilda pret lineāras regresijas izmantošanu, lai analizētu saistību starp vairākiem laika rindu mainīgajiem, jo samazināšana neatrisinātu viltus korelācijas jautājumu. Tā vietā viņi ieteica pārbaudīt nestacionāro laikrindu kointegrāciju. Viņi apgalvoja, ka divus vai vairākus laika rindu mainīgos ar I (1) tendencēm var apvienot, ja var pierādīt, ka starp mainīgajiem pastāv saistība.
Kointegrācijas pārbaudes metodes
Ir trīs galvenās kointegrācijas pārbaudes metodes. Tos izmanto, lai identificētu ilgtermiņa attiecības starp diviem vai vairākiem mainīgo lielumu kopumiem. Metodes ietver:
1. Engle-Granger divpakāpju metode
Engle-Granger divpakāpju metode sākas ar atlikumu izveidošanu, pamatojoties uz statisko regresiju, un pēc tam pārbaudot atlikumus vienību sakņu klātbūtnei. Tas izmanto paplašināto Dikija-Fulera testu (ADF) vai citus testus, lai pārbaudītu stacionaritātes vienības laika rindās. Ja laika rindas ir apvienotas, Engle-Granger metode parādīs atlikumu stacionaritāti.
Ierobežojums ar Engles-Greindžera metodi ir tāds, ka, ja ir vairāk nekā divi mainīgie, metode var parādīt vairāk nekā divas kointegrējošas sakarības. Vēl viens ierobežojums ir tāds, ka tas ir viens vienādojuma modelis. Tomēr daži no trūkumiem ir novērsti nesenajos kointegrācijas testos, piemēram, Johansena un Phillips-Ouliaris testos. Engle-Grangera testu var noteikt, izmantojot STAT vai MATLAB Financial Modeling With Matlab programmatūru.
2. Johansena tests
Johansena testu izmanto, lai pārbaudītu kointegrējošās attiecības starp vairākiem nestacionāriem laika rindu datiem. Johansena tests, salīdzinot ar Engle-Greindžera testu, pieļauj vairāk nekā vienu kointegrējošu attiecību. Tomēr tam ir asimptotiskas īpašības (liels izlases lielums), jo mazs izlases lielums radītu neuzticamus rezultātus. Izmantojot testu, lai atrastu vairāku laikrindu kointegrāciju, tiek novērstas problēmas, kas rodas, kad kļūdas tiek pārnestas uz nākamo soli.
Johansena tests ir divos galvenajos veidos, t.i., izsekošanas testi un maksimālās īpašvērtības tests.
- Izsekošanas testi
Trace testos tiek novērtēts lineāro kombināciju skaits laika rindas datos, t.i., K ir vienāds ar vērtību K0, un hipotēze, ka vērtība K ir lielāka par K0. To ilustrē šādi:
H0: K = K0
H0: K> K0
Izmantojot parauga izsekošanas testu, lai pārbaudītu kointegrāciju, mēs iestatījām K0 līdz nullei, lai pārbaudītu, vai nulles hipotēze tiks noraidīta. Ja tas tiek noraidīts, mēs varam secināt, ka izlasē pastāv kointegrācijas attiecības. Tāpēc nulles hipotēze ir jānoraida, lai apstiprinātu kointegrācijas attiecību esamību izlasē.
- Maksimālais īpašvērtības tests
Īpašvērtību definē kā vektoru, kas nav nulle un kurš, pielietojot lineāru transformāciju, mainās ar skalāru koeficientu. Maksimālās īpašvērtības tests ir līdzīgs Johansena izsekošanas testam. Galvenā atšķirība starp abiem ir nulles hipotēze.
H0: K = K0
H0: K = K0 + 1
Scenārijā, kur K = K0 un nulles hipotēze tiek noraidīta, tas nozīmē, ka stacionāra procesa radīšanai ir tikai viens mainīgā rezultāts. Tomēr scenārijā, kur K0 = m-1 un nulles hipotēze tiek noraidīta, tas nozīmē, ka ir iespējamas M lineāras kombinācijas. Šāds scenārijs nav iespējams, ja laikrindu mainīgie nav stacionāri.
Papildu resursi
Finanses ir oficiālais globālās finanšu modelēšanas un vērtēšanas analītiķu (FMVA) ™ FMVA® sertifikācijas nodrošinātājs. Pievienojieties 350 600+ studentiem, kuri strādā tādos uzņēmumos kā Amazon, JP Morgan un Ferrari sertifikācijas programma, kas paredzēta ikvienam, lai kļūtu par pasaules klases finanšu analītiķi. . Lai turpinātu mācīties un virzīt savu karjeru, noderēs tālāk norādītie papildu finanšu resursi:
- Finanšu pamatstatistikas jēdzieni Finanšu pamatstatistikas jēdzieni Stingra statistikas izpratne ir ārkārtīgi svarīga, lai palīdzētu mums labāk izprast finanses. Turklāt statistikas jēdzieni var palīdzēt investoriem uzraudzīt
- Korelācijas matrica Korelācijas matrica Korelācijas matrica ir vienkārši tabula, kurā parādīti korelācijas koeficienti dažādiem mainīgajiem. Matrica attēlo korelāciju starp visiem iespējamiem vērtību pāriem tabulā. Tas ir spēcīgs rīks, lai apkopotu lielu datu kopu un identificētu un vizualizētu modeļus dotajos datos.
- Šķērsgriezuma datu analīze Šķērsgriezuma datu analīze Šķērsgriezuma datu analīze ir šķērsgriezuma datu kopu analīze. Aptaujas un valdības ieraksti ir daži izplatīti šķērsgriezuma datu avoti
- Hipotēžu pārbaude Hipotēžu pārbaude Hipotēžu pārbaude ir statistikas secināšanas metode. To izmanto, lai pārbaudītu, vai apgalvojums par populācijas parametru ir pareizs. Hipotēžu pārbaude
